基于窄波段像素色比的背景抑制残差图融合方法.docxVIP

基于窄波段像素色比的背景抑制残差图融合方法 检测太祖手机是自动目标识别系统（atr）的重要组成部分，在提高系统的作用距离和检测概率方面发挥着重要作用。在红外图像中，小目标周围的背景区域通常具有很强的相关性。在只使用单幅图像时，通常根据相关背景信息预测目标覆盖的背景，并将其与原始图像进行比较以进行检测虚弱目标。 传统的检测方法大多对残差图像直接进行阈值分割来实现目标检测, 检测性能直接受到背景预测处理效果的限制. 笔者采用一种基于窄波段像素色比的残差图融合处理方法, 对不同波段的图像进行背景抑制, 利用两个窄波段的色比参数对残差图像进行噪声和杂波的进一步抑制, 分割、融合图像, 获得信噪比得到提高的残差图像;在融合图像上进行基于体积检测算法的处理, 利用点目标成像是一个“隆起的包” (类似于二次曲线中的开口朝下的椭圆抛物面) 的特性对残差图像中目标的能量进行集中, 以提高信噪比和点目标的可探测性.仿真结果表明文中的方法检测效果良好, 在采用传统简单背景预测方法的情况下实现弱小目标的准确检测;相比时域检测的方法具有明显的实时性优势. 1 局域背景预测算法 对于红外图像的弱小目标检测问题, 图像可认为由目标、背景和噪声三要素组成, 可以说目标检测实际上就是将目标与背景和噪声分开. 经过对大量红外图像的观察和分析发现, 图像中的目标即使在整个图像中强度不是最强的, 但在它所处的小区域中与局域背景的差别较明显;而强度较高的背景中的像素, 虽然灰度值较大, 但在它所处的局域中与周围背景无明显差异.基于这样的事实, 文献提出局域背景预测算法.它的基本思想是图像中的任何一个像素点, 如果它属于背景中的点, 那么它的灰度值一定可以用周围区域的像素点的灰度值来预测, 也就是说, 它跟周围的某些点属于同一背景, 或者说, 它的灰度值与周围像素点的灰度值相关性较强.而对于属于目标的像素点, 它的灰度值与周围像素点的灰度值相关性较差, 在图像局部会形成一个或几个“异常点”.利用这样的差异来分离目标与背景是背景预测方法的出发点. 最基本的背景预测模型为 其中, X为M×N的输入图像, Y为预测图像, Wj为第j级的权重矩阵, j=m×M+n, 对应着当前位置, Sj对应着局域背景选取点的范围集合, 属于Sj的像素点个数是有限的, 设为L. 预测图像与输入图像之间的残差图像为 其中, X为M×N的输入图像.Y (m, n) 可以认为是 (m, n) 这一像素点的局部背景灰度, 若取图像的对比度定义为 并取Gmax=255, Gmin=0, 则E (m, n) 就是 (m, n) 这一像素点的对比度, 此时检测问题就转化为在残差图像上进行对比度阈值检测. 通常直接在预测残差图上进行对比度门限检测.笔者提出了对残差图进行进一步处理 (包括基于色比的算法和体积检测的算法进一步提高信噪比) , 来获得更好的阈值分割结果. 2 利用窄段的颜色比剩余图进行融合 2.1 双波长鉴别技术 双波段特性是一种常用的, 用来鉴别目标和背景 (杂波) 的有效手段.红外制导由单模制导向多模制导发展, 即由单一的红外制导向红外/紫外、红外/毫米波、双色红外、双色红外/毫米波、红外成像/激光、毫米波/红外/电视等复合制导方向发展, 就是利用双/多波段鉴别技术提高制导性能和抗干扰能力.美国研制的第三代便携式防空导弹“毒刺-POST” (FIM-92B) 采用了红外/紫外双波段探测技术 (InSe用于4.1μm中波红外波段探测, CdSe用于0.3~0.5μm紫外波段探测) 来抑制多目标和背景干扰. 在此, 定义双波段色比为 2.2 固定阈值或恒分割率算法 根据色比的定义, 为减轻噪声的影响, 双波段图像的像素色比为 其中, ue003band1和ue003band2分别是双波段图像Xband1和Xband2在像素 (u, v) 处, 大小为L×L的局部平均值. 选择波段1和波段2具体对应的波段, 使目标的像素色比大于背景的像素色比, 在求出的像素色比图像IRband1 /band2上, 可使用固定阈值或恒定分割率算法, 对目标和杂波进行色比鉴别. 恒定分割率算法是指设定一个恒定的分割率, 该分割率对应一分割阈值, 所有超过分割阈值的点除以图像总点数所计算出的比率最接近设定的恒定分割率. 图1 (e) 设置恒定分割率为0.03时的一个目标和杂波色比鉴别结果.从图中可以看出, 像素色比鉴别区别开了目标和云背景杂波, 但由于噪声的随机性, 一部分噪声也被分割出来了. 根据像素色比的分割结果, 对双波段的残差图进行像素级别图像融合.融合算法为 式中, Eband1(m, n) 和Eband2(m, n) 分别是波段1和波段2的残差图像, th是用恒定分割率算法求出的像素色比分割阈值, IF(m